تشخيص بيماري‌هاي نيوكاسل، برونشيت و آنفلوانزاي پرنده با استفاده از سيگنال صداي قلب و ماشين بردار پشتيبان

Diagnosing avian Newcastle, Bronchitis and Influenza Diseases using heart sound signal and Support Vector Machine

در اين پژوهش روشي هوشمند به منظور تشخيص توامان بيماري­هاي نيوكاسل، آنفلوانزا و برRBFونشيت پرنده از روي سيگنال صداي قلب پرداخته شده است. در ابتدا جوجه­ها به 4 دسته تقسيم شدند. يك گروه به عنوان نمونه­هاي شاهد در نظر گرفته شدند و با ويروس هيچ­گونه تماسي نداشتند و 3 گروه باقي­مانده به ترتيب به ويروس­هاي نيوكاسل، آنفلوانزا و برونشيت آلوده شدند. سيگنال­هاي حوزه زمان صداي قلب توسط تبديل فوريه سريع و تبديل موجك گسسته دابچي نوع اول در دو سطح تجزيه به ترتيب به حوزه­هاي فركانس و زمان- فركانس انتقال داده شدند. در مرحله داده‌كاوي از سيگنال­هاي هر سه حوزه 25 ويژگي آماري استخراج شدند و با استفاده از IDE بهترين ويژگي­ها انتخاب شدند. با استفاده از ماشين بردار پشتيبان و نظريه شواهد دمپستر- شافر سيگنال­هاي صداي قلب جوجه­ها طبقه­بندي شدند. دقت ميانگين، Specificityو Sensitivity تلفيق طبقه­بندها به منظور تشخيص بيماري­ها به ترتيب93/81، 29/93 و 28/82 درصد به دست آمد.

This study represents an intelligence procedure for diagnosis simultaneously avian Newcastle Disease Virus, Infection Bronchitis Virus and Influenza using heart sound signal. For this aim, the chickens were divided into four groups. The first group was considered as control samples. The second, third and fourth groups were infected with Newcastle Disease Virus, Infection Bronchitis and Avian Influenza, respectively. The time domain signals were transferred to the frequency and time-frequency domain using Fast Fourier Transform and Discrete Wavelet Transform. In data mining stage, 25 statistical features were extracted from three domains and the best features were selected using improved distance evaluation (IDE) method. The heart sound signals were classified using multiclass support vector machine and Dempster-Shafer evidence theory. The total accuracy, Specificity and Sensitivity of classifiers fusion in diagnosing avian diseases were obtained 81.93, 93.29 and 82.28 percent respectively.